/wiki/static/upload/37/3711cf0c-b5a5-47ee-9755-dfd0f8d2ea62.pdf

\

请访问本目录下子目录，查看量化研报

更新

本文内容对应旧版平台与旧版资源，其内容不再适合最新版平台，请查看新版平台的使用说明

新版量化开发IDE（AIStudio）：

https://bigquant.com/wiki/doc/aistudio-aiide-NzAjgKapzW

新版模版策略：

<https://bi

导语

在之前的版本里，很多用户喜欢开发每日换仓、仓位集中度高的AI StockRanker策略，无需编写sql代码，因此本教程给出这样的一个策略实现，方便用户在此基础上根据自己需求调整策略。

本策略绩效

本策略年化收益74%，夏普比率2.5，最大回撤不到-8.5%，整体绩效不错

本文档介绍在150-AI选股策略新的策略模版下如何进行滚动训练。

\

使用方法

创建调优对象

• 新建一个可视化的机器学习策略，将可视化画布转化为代码形式:

![](/wiki/api/attachments.redirect?id=c5b

接口地址

# Restful API
https://api.qos.hk/trade
https://api.qos.hk/instrument-info
https://api.qos.hk/snapshot
https://api.qos.hk/depth
https://ap

在量化分析的广阔天地里，外汇数据接口尤其是免费外汇数据接口的重要性不言而喻，就如同灯塔之于航海者，是不可或缺的存在。而免费外汇 API 接口，更是如同珍贵的宝藏，等待着被挖掘和利用。

我们投入了大量的时间和精力，就像探险家在未知的领域中探寻一样，经过反复测试和精心筛选，从众多的接口中甄别出了一批免

顾名思义，相对强弱指数 (RSI) 指标告诉我们资产的相对强弱。换句话说，RSI 告诉我们股票相对于自身的表现（或不表现）。RSI 被视为一种强大的技术指标，可用于分析市场，并且是交易者武器库的重要组成部分，因为它可以帮助他们在市场时机上做出更好的决策。当然，与其他指标一样，始终建议使用多个指标，因

金融交易世界中，获取准确及时的tick数据至关重要。抓住交易良机的关键在于掌握实时tick数据。数据更新越快，可发现的赚钱机会就越多。这也是为何在高频数据交易领域，tick数据备受重视。与传统的行情数据相比，tick数据提供了更细致的市场变化记录，为交易者提供了更全面的视角。

首先，让我们简单了解

什么是海龟交易

海龟交易法则源于两位交易大师理查德丹尼斯(Richard Dennis)和威廉艾克哈特（William Eckhardt）的一段赌约：Dennis认为优秀的交易员能够后天培养，Eckhardt却觉得交易高手天生就有极强的心理素质，不可培养。直到有一次Dennis在新加

量化投资策略是利用数学模型和算法来分析市场并做出投资决策的方法。这些策略可以大致分为几个类型，每种类型都有其特点、适用人群和适用场景。以下是一些主要的量化投资策略类型：

1. 趋势跟踪策略
   • 特点：识别并跟随市场趋势，比如股票或商品的价格走势。
   • **适用人

本文将带你遍历机器学习领域最受欢迎的算法。系统地了解这些算法有助于进一步掌握机器学习。当然，本文收录的算法并不完全

几天前，我着手解决一个实际问题——大型超市销售问题。在使用了几个简单模型做了一些特征工程之后，我在排行榜上名列第 219 名。

![{w:100%}{w:100}{w:100}{w:100}](/wiki/api/attachments.redirect?id=8b797f9b-ad23-4

策略介绍

本策略通过选择多维度的因子，使用AI算法来预测股票的未来表现并进行排序。这里使用算法StockRanker，BigQuant 平台开发的一种先进的机器学习算法，专门用于量化选股排序学习，通过在多个因子/特征的数据上训练，旨在从大量股票中识别并排序那些未来表现可能最优异的股票。

万和证券简介

万和证券股份有限公司是一家拥有证券经纪、证券自营、证券投资咨询、融资融券、证券投资基金销售、证券资产管理、代销金融产品、证券承销与保荐、与证券交易、证券投资活动有关的财务顾问等各类业务资格的综合类券商。

万和证券开户

扫码开通万和证券账号（通过此开通的账号方可使用），

国金证券简介

国金证券股份有限公司，1990年12月成立，335亿元市值，超5000人公司员工人数，8家分公司、75家证券营业部、分布全国24个省市，经营范围包括证券经纪、证券自营、承销与保荐、资产管理投资咨询、财务顾问业务等。(数据日期:2024年4季度)

国金证券开通账户

==

https://bigquant.com/codesharev3/f4e70302-800b-4526-b6ca-700534af95fc

\

实盘整体流程

1.开通BigQuant合作券商账户（指定二维码开通享手续费优惠），并申请实盘、绑定实盘资金账号。

2.设置对应实盘资金账号的实盘策略，创建计划交易信号（实盘申请通过后：用户的实盘策略可选择用户的所有模拟交易策略）。

3.创建实盘访问凭证，获取对应访问凭证的密

102

# 在有序数组中找到出现最多的元素
def func() :
  num = arr[0]
  cnt = arr1
  maxNum = arr[0]
  maxCnt = 1
  
  for i in arr[1:]:
    if i == num :
      cn

委托量加权委托价实时因子

因子定义

委托量加权委托价实时因子是一个衡量市场委托深度和价格趋势的指标。它通过计算委托量与价格的加权平均值来反映市场的真实供需关系。该因子的计算公式为：

![](/wiki/api/attachments.redirect?id=c14be6a8-aaa

概述

这个系列我们将会用到股票快照数据和逐笔数据来加工一些分钟高频因子，需要用到的表和对应字段如下。以下涉及到的流数据暂未开放，后期我们会为大家提供流数据获取服务。

cn_stock_level2_snapshot

该表记录了股票l2的快照数据, 字段如下:

| 字段名 |

引言

在量化交易与数据科学领域，特征工程是一个至关重要的步骤，直接影响到模型的预测能力与效果。OpenFE 是一个开源的特征工程框架，旨在帮助研究人员和工程师快速生成高质量的特征。然而，原始版本的 OpenFE 算子虽然功能强大，但在某些应用场景下仍存在一定的局限性。为了更好地满足我们在量化研